pytorch 2 variable 变量

pytorch 2 variable 变量

import torch
from torch.autograd import Variable

tensor = torch.FloatTensor([[1, 2], [3, 4]])
variable = Variable(tensor, requires_grad=True)
print(tensor)    # tensor([[1., 2.], [3., 4.]])
print(variable)  # tensor([[1., 2.], [3., 4.]], requires_grad=True) 梯度设置为True,反向传播要使用

t_out = torch.mean(tensor*tensor)  # x^2
v_out = torch.mean(variable*variable)
print(t_out)      # tensor(7.5000)   变量计算的时候比张量多了一个梯度信息
print(v_out)      # tensor(7.5000, grad_fn=<MeanBackward1>)

v_out.backward()  # 反向传播

# v_out = 1/4*sun(var*var)                       # 求导过程
# d(v_out)/d(var) = 1/4*2*variable = variable/2  # 求导过程

print(variable.grad)  # tensor([[0.5000, 1.0000], [1.5000, 2.0000]])

print("variable:", variable)                          # tensor([[1., 2.], [3., 4.]], requires_grad=True)
print("variable.data:", variable.data)                # tensor([[1., 2.], [3., 4.]])
print("variable.data.numpy:", variable.data.numpy())  # [[1. 2.] [3. 4.]]

END

posted @ 2019-02-26 19:20 YangZhaonan 阅读(...) 评论(...) 编辑 收藏

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值